แอนเดรย์ คาร์พัทสกี้ ระบุว่ามนุษย์กลายเป็นคอขวดหลักในการวิจัยปัญญาประดิษฐ์ ผลลัพธ์วัดได้ง่ายดาย
แอนเดรย์ คาร์พัทสกี้ ผู้เคยดำรงตำแหน่งผู้อำนวยการฝ่ายปัญญาประดิษฐ์ของเทสลา และนักวิจัยที่โอเพ่นเอไอ ได้ให้ความเห็นล่าสุดว่ามนุษย์กำลังเป็นปัจจัยจำกัดหลักในการวิจัยด้านปัญญาประดิษฐ์ (AI) ในขณะที่ทรัพยากรการคำนวณและความสามารถของโมเดล AI ได้ขยายตัวอย่างก้าวกระโดด แต่ปัจจัยที่เหลืออยู่คือความสามารถของนักวิจัยมนุษย์ในการสร้างสรรค์แนวคิดใหม่และดำเนินการทดลองอย่างมีประสิทธิภาพ คาร์พัทสกี้กล่าวในงานสัมมนาล่าสุด โดยเน้นย้ำว่าการพัฒนา AI ในยุคปัจจุบันสามารถวัดผลได้อย่างชัดเจนผ่านกระดานคะแนนสาธารณะที่อัปเดตแบบเรียลไทม์
คาร์พัทสกี้ ซึ่งปัจจุบันก่อตั้งบริษัทสตาร์ทอัพ Eureka Labs เพื่อมุ่งเน้นการสอน AI ให้กับมนุษย์ ได้ชี้ให้เห็นถึงการเปลี่ยนแปลงของ “คอขวด” (bottleneck) ในการวิจัย AI ในอดีต การเพิ่มสเกลของการคำนวณ (compute) เช่น FLOPs หรือการดำเนินการล้านล้านครั้งต่อวินาที สามารถนำไปสู่การปรับปรุงประสิทธิภาพของโมเดลได้อย่างสม่ำเสมอและคาดการณ์ได้ ตัวอย่างเช่น การฝึกโมเดลขนาดใหญ่ในยุคแรกๆ จะเห็นผลลัพธ์ดีขึ้นตามสัดส่วนของทรัพยากรที่เพิ่มขึ้น อย่างไรก็ตาม ในปัจจุบัน ทรัพยากรการคำนวณนั้นพร้อมใช้งานอย่างอุดมสมบูรณ์ โมเดล AI มีความสามารถสูงพอที่จะรองรับการทดลองได้รวดเร็ว แต่ความก้าวหน้าต้องอาศัยไอเดียใหม่ๆ จากมนุษย์ ซึ่งเป็นขั้นตอนที่ช้าที่สุด
“เรากำลังอยู่ในระยะที่มนุษย์เป็นคอขวดในงานวิจัย AI” คาร์พัทสกี้กล่าว “คอมพิวต์มีมาก โมเดลเก่ง แต่ขาดความคิดสร้างสรรค์จากมนุษย์ในการหาไอเดียและสถาปัตยกรรมที่ถูกต้อง” เขาเปรียบเทียบว่าการวิจัย AI คล้ายกับการผลิตซอฟต์แวร์ โดยที่นักพัฒนาหลักคือมนุษย์ ไม่ใช่ฮาร์ดแวร์อีกต่อไป นักวิจัยแต่ละคนสามารถดำเนินการทดลองได้วันละไม่กี่ครั้ง ขึ้นอยู่กับคุณภาพของไอเดียและการออกแบบการทดลอง ซึ่งแตกต่างจากยุคก่อนที่เพิ่มคอมพิวต์เพียงอย่างเดียวก็พอ
สิ่งที่ทำให้คำกล่าวของคาร์พัทสกี้โดดเด่นคือการวัดผลที่ “ง่ายดายและวัดได้ชัดเจน” เขาชี้ไปที่กระดานคะแนน LMSYS Chatbot Arena ซึ่งเป็นแพลตฟอร์มสาธารณะที่จัดอันดับโมเดล AI ตามคะแนน Elo จากการโหวตของผู้ใช้จริงกว่า 2 ล้านครั้ง กระดานคะแนนนี้มีการอัปเดตบ่อยครั้ง สะท้อนความก้าวหน้าของโมเดลต่างๆ แบบเรียลไทม์ โดยปัจจุบัน โมเดลชั้นนำอย่าง GPT-4o จาก OpenAI, Claude 3.5 Sonnet จาก Anthropic และ Gemini 1.5 Pro จาก Google กำลังแข่งขันกันอย่างสูสี คะแนน Elo อยู่ระหว่าง 1,250 ถึง 1,280 คะแนน ซึ่งห่างกันเพียงไม่กี่คะแนน
คาร์พัทสกี้ชี้ว่าความแตกต่างเล็กน้อยนี้แสดงให้เห็นถึงการชะลอตัวของความก้าวหน้า เมื่อเทียบกับยุค scaling laws ที่โมเดลดีขึ้นอย่างรวดเร็วจากการเพิ่มขนาดข้อมูลและพารามิเตอร์ ปัจจุบัน การปรับปรุงต้องอาศัยนวัตกรรม เช่น การปรับแต่งสถาปัตยกรรม การใช้เทคนิคใหม่ๆ ในการฝึก หรือการรวมโมเดลหลายตัวเข้าด้วยกัน ซึ่งทั้งหมดขึ้นอยู่กับนักวิจัยมนุษย์ นอกจาก LMSYS Arena แล้ว ยังมีกระดานคะแนนอื่นๆ เช่น Hugging Face Open LLM Leaderboard ที่วัดประสิทธิภาพบนชุดข้อมูลมาตรฐาน เช่น MMLU หรือ GSM8K ซึ่งช่วยยืนยันแนวโน้มเดียวกัน
การเปลี่ยนแปลงนี้มีนัยสำคัญต่ออุตสาหกรรม AI โดยรวม คาร์พัทสกี้คาดการณ์ว่าองค์กรชั้นนำจะแข่งขันกันด้วยจำนวนและคุณภาพของนักวิจัย มากกว่าทรัพยากรฮาร์ดแวร์ เช่น OpenAI, Anthropic และ Google DeepMind ที่มีทีมวิจัยขนาดใหญ่ จะได้เปรียบในการผลักดันโมเดลให้ก้าวหน้า นอกจากนี้ เขายังกล่าวถึงความท้าทายในการวัดผลงานของนักวิจัยแต่ละคน เนื่องจากผลลัพธ์ส่วนใหญ่ปรากฏบนกระดานคะแนนสาธารณะที่ไม่ระบุชื่อโมเดล ทำให้ยากต่อการเชื่อมโยงกับบุคคลเฉพาะเจาะจง
ในบริบทของบริษัท Eureka Labs คาร์พัทสกี้มุ่งพัฒนาเครื่องมือช่วยสอน AI เพื่อเพิ่มประสิทธิภาพของนักวิจัยมือใหม่ โดยใช้โมเดลอย่าง GPT-4o เพื่อสร้างบทเรียนแบบโต้ตอบ ซึ่งช่วยลดคอขวดด้านการฝึกอบรมบุคลากร เขาเชื่อว่าการขยายจำนวนนักวิจัยที่มีคุณภาพจะเป็นกุญแจสำคัญในการเร่งความก้าวหน้า AI ในอนาคต
โดยสรุป คำกล่าวของคาร์พัทสกี้สะท้อนถึงยุคใหม่ของการวิจัย AI ที่มนุษย์คือศูนย์กลาง ผลลัพธ์ที่วัดได้จากกระดานคะแนนสาธารณะยืนยันแนวโน้มนี้อย่างชัดเจน องค์กรธุรกิจที่สนใจลงทุนใน AI ควรให้ความสำคัญกับการพัฒนาทรัพยากรมนุษย์ควบคู่ไปกับเทคโนโลยี เพื่อรักษาความสามารถในการแข่งขันในตลาดที่เปลี่ยนแปลงรวดเร็ว
(จำนวนคำประมาณ 720 คำ)
This Article is sponsored by Gnoppix AI (https://www.gnoppix.org)